黄仁勋

这场访谈中，黄仁勋把 AI 算力需求的增长归因于两股力量：推理、规划和反复探索增加单项任务的计算量，能力改善又让智能体承担更多任务。他认为模型之外的记忆、知识接入和工具使用，使智能体从编程走向设计等专业工作；物理 AI 则从感知延伸到机器人、制造、医疗和汽车。他同时强调，部署自主系统必须把功能与安全一同建设，先以零信任、最小权限和严格边界控制访问，再经测试逐步开放，并配备可干预的带外监控。谈及商业化，他把英伟达的需求描述为传统计算、多个前沿实验室及广泛新企业的组合，反对只用少数实验室的收入解释全部基础设施投入。需求和订单充足是他的判断，但土地、电力、机房、专业施工、封装基板及硅光子会制约实际投运；他认为跨地区、跨客户和跨负载的覆盖可以缓冲局部延误。软件许可与部分云伙伴的收入分成是他提出的新增业务方向。访谈中的收入份额、物理 AI 规模和资本开支数字多为其口头陈述或估算，不能直接视作已核实业绩或建设承诺。

在这场对谈中，黄仁勋把 AI 视为一次触及计算底层架构的转变：计算机从主要依靠人编写程序、存储和检索信息，走向从信息与经验中学习并生成有价值的产出；他以“AI 工厂”解释这种转变与产业规模扩张的关系。他认为韩国兼有接受技术的社会氛围和工业承接能力，因而有机会同时创造、使用并输出 AI；AI 与自动化能否帮助其突破人口规模限制，仍以社会积极采用技术为条件。谈到智能体，他反对把算法行为拟人化，强调对齐既要规定结果也要规定实现方式，并主张以严密隔离、按任务和能力逐步授予权限、持续监控执行路径来支持安全部署。他同时倡导负责任的乐观：保留专业教育，鼓励孩子使用 AI 扩展能力，在追求技术收益时承担建设责任。

黄仁勋在这场访谈中把 AI 从实验室走向实用产品视为产业转折：他称需求、企业采用和 token 盈利能力正在增强，但强调技术既能造福社会，也可能被滥用，行业必须承担安全开发责任。他反对以十年内人类终结的叙事制造恐惧，同时承认安全关切合理，主张模型公司将更多人员与算力用于验证、测试和事故防范，并先用现有法律处理实际产品事故，再判断是否存在监管缺口。谈到中美竞争，他支持先进技术优先供给美国企业、美国尽快发展，但要求产品准备就绪且安全；他也反对全面禁止美国产品进入中国市场，赞成在国家安全边界内交流 AI 产品最佳实践。对于数据中心，他主张建设方及早与社区沟通、承担发电与电网投入，并改善选址、外观及地方收益安排；关于循环冷却、用水和电价的效果是他的判断，仍需针对具体项目核验。他以能调用工具处理信息工作的 AI 应用解释“AI 工厂”的需求，并把建设浪潮与美国再工业化及技能岗位机会相联系。

黄仁勋以英伟达早期技术路线纠错为例，强调直面现实、快速学习和坚持独特判断；在他看来，公司的核心不是单颗芯片，而是围绕算法域建设加速计算系统。对于当前 AI，他把智能体视为新软件，认为系统思维、精细可控的人机协作和开放生态将成为关键。

这场访谈中，黄仁勋把 NVIDIA 的组织方式与技术路线联系起来：招聘时更看重过往经历核验和深入问题中的推理，管理上通过公开愿景、战略及挑战，让员工在跨部门任务中自主决策；领导者负责培养人才、移除障碍，清晰且可见的共同目标有助于凝聚团队。他以 Arm 推动 SoC 开发、Shield 作为较小的完整系统练习、Mellanox 网络产品整合为例，说明公司如何从 GPU 算法走向系统开发，再把整个数据中心视作 AI 集群的计算单元。在这一框架下，他主张以年度系统协同设计提高同等能耗和成本下的性能，同时保护跨代软件兼容及 CUDA 装机基础上的软件投入。他还将持续产出 token 的 AI 工厂称为新工业革命的起点。机柜密度提升、液冷、多 GPU 协同和尽量延长电互连使用，是他描述的系统设计方向；他援引的 Grace 每瓦性能对比未给出工作负载和具体对照型号，单柜功率提高也不能单独证明设施总能耗下降。

在这场 2024 年 3 月的访谈中，黄仁勋把 AI 的进展归于加速计算降低深度学习成本，并强调芯片、算法、网络与数据中心协同，评价系统时应看部署速度、利用率和总运营成本，而非只看芯片价格。他认为推理竞争还取决于平台的部署覆盖与兼容性；NVIDIA 虽与自研芯片客户竞争，仍愿展示路线图，并倾向复用既有平台做定制。他同时谈到多模态与物理约束、较长时间的规划推理、蛋白质及细胞功能理解、自然语言交互，以及主权 AI 带来的需求。谈及组织，他强调韧性、持续反馈和信息流动。关于 AGI 的五年判断仅以明确考试清单为条件，他对完整人类智能没有给出期限；关于更多晶圆厂的需求，也没有给出数量，并指出效率改进会抵消部分需求增长。